Natural language processing applied to human resources

Abstract

As technology continues to advance, many companies are seeking ways to integrate Artificial Intel ligence (AI) into their operations in order to optimize their workflow and improve efficiency. One area that could greatly benefit from AI solutions is the Human Resources (HR) department. This disserta tion explores the use of AI and Natural Language Processing (NLP) to extract emotions from text-based communications, such as emails and instant messages between HR representatives and employees. By providing insight into the states of mind being expressed in text, this technology has the potential to im prove communication and understanding between the two parties, which in turn may lead to better conflict resolution, increased employee engagement, and improved productivity. The study will examine the use of various machine learning algorithms ranging from Convolutional Neural Network (CNN) and Recurrent Neural Network (RNN) to current state-of-the-art architectures such as transformers like BERT and XLNet to extract better insights from text and to identify the emotions contained in messages. The results of this thesis contribute to the development of an AI solution capable of identifying one out of seven emotions in both general and specialized conversations with an accuracy of 75.38%, having the capacity of enhancing the efficiency of HR departments by facilitating communication and understanding with employees.

À medida que a tecnologia avança, muitas empresas procuram formas de integrar a Inteligência Artificial (IA) nas suas operações, a fim de optimizar o seu fluxo de trabalho e melhorar a eficiência. Uma área que pode beneficiar da Inteligência Artificial é o departamento de Recursos Humanos (RH). Este artigo explora o uso de IA e Processamento de Linguagem Natural (PNL) para extrair emoções em comunicações baseadas em texto, tais como e-mails e mensagens entre representantes de RH e empregados. Ao fornecer informações sobre o estado de espírito expresso no texto, esta tecnologia tem o potencial de melhorar a comunicação e a compreensão entre as duas partes, o que por sua vez pode levar a uma melhor resolução de conflitos, a um maior envolvimento dos funcionários e a uma maior produtividade. O estudo examinará a utilização de vários algoritmos de aprendizagem de máquinas, tais como Convolutional Neural Network (CNN) e Recurrent Neural Network (RNN) para extrair melhores percepções do texto e para identificar as emoções contidas nas mensagens. Os resultados desta tese contribuem para o desenvolvimento de uma solução de IA capaz de identificar uma de entre sete possíveis emoções em conversas de contexto profissional tal como conversas gerais com uma precisão de 75.38%, tendo a capacidade de melhorar o fluxo de trabalho dos departamentos de RH, facilitando a comunicação e a compreensão com os funcionários.